【报告内容】

汇报人：姚梦钊

汇报单位：河海大学

主题：《TIMESNET: TEMPORAL 2D-VARIATION MODELING FOR GENERAL TIME SERIES ANALYSIS》

1、Introduction

2、Method

3、Experiments

4、Conclusions

【报告总结】

1、待解决问题描述

现有时序处理网络只关注了周期内的信息，忽略了周期间的

信息，而复杂的时间序列的长期趋势往往依赖于周期间的趋势。

2、相关创新方案

将一维时间序列转为二维张量，用二维张量输入卷积网络进

行周期间特征提取后再转为一维时间序列输出。

3、实验总结

在多个数据集上性能超过了former系列与RNN系列网络。

4、未来工作

本文提出了时间网络作为时间序列分析的任务通用基础模型。

在多周期性的驱动下，TimesNet可以通过模块化架构来解决复杂的时间变化，并通过参数有效的初始块捕获二维空间中的周期内和周期间变化。实验表明，TimesNet在五种主流分析任务中表现出良好的通用性和性能。在未来，我们将进一步探索时间序列中的大规模预训练方法，这些方法利用TimesNet作为主干，通常可以受益于广泛的下游任务。

报告时间：2024年11月29日19:30

腾讯会议：311-5999-8176

点我下载本讨论课相关文献或PPT吧~(提取码：iipr)